蔬菜水果表面農藥殘留可見-近紅外光譜的檢測與識別技術研究.pdf

1、在國家自然科學基金項目和山東省自然科學基金項目的資助下,研究工作圍繞著蔬菜與水果表面殘留農藥的快速無損檢測和識別技術展開。分別在自然光和鹵素燈作為光源的條件下,以綠色葉子和水果表面的殘留農藥為研究對象,獲取600~1100nm波段范圍內大量實驗光譜數(shù)據基礎上,本論文主要研究利用小波變換方法對可見/近紅外光譜的特征提取和利用經典的主成分分析對近似系數(shù)進行主成分分析,然后利用神經網絡識別技術實現(xiàn)對蔬菜表面殘留農藥種類的快速識別。其主要內容包

2、括以下三個方面:
　　(1)引入了小波分析方法對殘留農藥的可見/近紅外光譜信號的特征提取本文綜合采用了小波多尺度分析的預處理方法,對殘留農藥的光譜信號進行輪廓提取和特征提取。小波分析在時域和頻域都有很高的分辨率,能有效提取信號的局部信息。在實驗中,采用多尺度分析的方法,同時消除低頻背景和抑制高頻噪聲,有效的提取了微弱光譜信號的特征。
　　(2)利用主成分分析方法對殘留農藥的光譜特征進行降維處理由于殘留農藥光譜原始數(shù)據的模式維

3、數(shù)很高,同時各個變量之間又可能存在著可能存在交互作用和相關性,本章利用了主成分分析的方法對數(shù)據進行降維處理的優(yōu)點,為后期的分類與識別過程提供了較好的數(shù)據源,而且也大大地縮短了神經網絡的訓練收斂時間。
　　(3)建立人工神經網絡模型對常見的殘留農藥光譜進行識別在光譜識別中,由于神經網絡算法的優(yōu)越性,神經網絡技術比普通的鑒別分類方法有著潛在的優(yōu)勢。本文選取了有導師的多神經元的感知器神經網絡和改進了得BP神經網絡,和無導師指導的自組織映